《表1 使用不同网络和特征的时间和精度比较Tab.1 Comparison of time and accuracy using different networks and features》
同时,表1还对比了数据适当增广36倍和240倍后的分类效率和准确率。试验中所用的数据增广方法为在原影像上随机提取出9张影像,再令这9张影像顺时针旋转0°、90°、180°、270°,从而获得了36倍增广数据集。240倍增广数据是通过先保留图像的60%、62%、64%、66%、68%、70%得到6个子影像,再在这6个子影像上随机提取出10张影像,然后按上述方法旋转4个角度,从而获得6×10×4=240倍的增广数据集。从试验结果可见,数据集大小为2100×36时,JMCNN相比CNN(5conv+2fc)要高出9.78%,比CNN(6conv+2fc)网络要高出3.54%。而在相同网络结构之间,通过增强训练数据,JMCNN精度最大提升了9%,CNN分类精度最大提升了25.06%。数据表明,相对于传统的CNN网络,JMCNN对大数据训练的依赖性更小,在小样本训练的情况下可以获得较强的高层特征。此外,Kappa系数的结果表明,JMCNN具有更好的分类一致性,其泛化能力更强。
图表编号 | XD008250100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.05.01 |
作者 | 郑卓、方芳、刘袁缘、龚希、郭明强、罗忠文 |
绘制单位 | 中国地质大学(武汉)信息工程学院、武汉大学测绘遥感信息工程国家重点实验室、中国地质大学(武汉)信息工程学院、中国地质大学(武汉)信息工程学院、中国地质大学(武汉)信息工程学院、中国地质大学(武汉)信息工程学院、中国地质大学(武汉)信息工程学院 |
更多格式 | 高清、无水印(增值服务) |
查看“表1 使用不同网络和特征的时间和精度比较Tab.1 Comparison of time and accuracy using different networks and features”的人还看了
- 表1 使用SPD系统与人工纸质“两票制”管理的资料核对时间及准确率的比较Tab 1 Comparison of the time and accuracy of checking information by useing of“two-i
- 表2 3 3节点配电网络费用和计算时间对比Tab.2 Comparison of costs and computational times of3 3-node distribution network